基于差分进化算法的系统计算能效最大化资源分配方法技术方案

本发明专利技术公开了一种基于差分进化算法的系统计算能效最大化资源分配方案。包括以下步骤：1)建立一个无线供能的边缘计算网络模型；2)分析模型中能量站、边缘用户和边缘服务器的能耗和计算比特数的变化情况；3)建立最大化系统计算能效的联合优化数学模型；4)利用差分进化算法，实现对系统计算能效的逐代优化，从而得到最佳的卸载时间、计算时间和频率等指标。由于整个联合优化数学模型涉及的参数众多，传统的数学方法求最优解过程十分繁琐。本发明专利技术提出的基于差分进化算法的系统计算能效最大化资源分配方案，不仅可以降低计算的复杂度，还可以节约时间成本。可以节约时间成本。可以节约时间成本。

【技术实现步骤摘要】
基于差分进化算法的系统计算能效最大化资源分配方法


[0001]本专利技术涉及边缘计算领域，涉及一种基于差分进化算法的系统计算能效最大化资源分配方案。

技术介绍

[0002]随着移动通信技术的快速发展和物联网的不断普及，终端设备及程序、数据呈爆炸式增长。例如，智能网联车和自动驾驶、虚拟现实、工业物联网、智能家居和智慧城市等物联网产业迅猛发展，这些新兴产业需要消耗大量的计算资源以满足其自身需求，为此，移动边缘计算应运而生。移动边缘计算主要的服务对象为移动设备、传感器等，这些设备的运行基本依赖于电池供电，当设备中存在大量计算任务需要处理时，电池电量将会消耗很快。此外，单个边缘计算节点的存储和计算能力相对较低，这些问题直接影响了物联网产业的服务质量。
[0003]现有关于无线边缘网络的资源分配研究大多是基于解决系统的能量受限问题或者计算能力受限问题，或者并未综合考虑能量站、边缘用户和边缘服务器三者之间的关联性。与此同时，现有的能效优化问题大多是通过广义分式规划理论，把非凸优化的问题转变为凸优化问题，再通过迭代算法进行求解，如果涉及参数和约束条件过多的情况，计算起来将会十分困难。

技术实现思路

[0004]为解决现有技术计算复杂度高，时间成本高等问题，本专利技术提供了一种基于差分进化算法的系统计算能效最大化资源分配方案。本专利技术从整个系统出发，考虑三者之间的信息交互，并且通过构建和优化系统计算能效，同时解决了传感节点能量受限问题和计算能力受限问题。本专利技术提出的通过差分进化算法对能效问题进行优化，不仅能很大程度上降低计算难度，更重要的是节约了时间成本。
[0005]为了达到上述目的，本专利技术通过以下技术方案实现：基于差分进化算法的系统计算能效最大化资源分配方法，包括以下步骤：
[0006]能量站、边缘用户和边缘服务器构建边缘计算网络；
[0007]根据边缘计算网络获取能量站、边缘用户和边缘服务器的能耗和计算比特数的变化情况；
[0008]根据变化情况建立最大化系统计算能效的联合优化数学模型；
[0009]利用差分进化算法，实现对系统计算能效的逐代优化，从而得到最佳的资源分配指标；
[0010]根据资源分配指标对能量站、边缘用户和边缘服务器进行资源分配。
[0011]所述能量站、边缘用户和边缘服务器构建边缘计算网络，具体为：
[0012]能量站为边缘用户提供能量；
[0013]边缘用户利用接收到的能量把一部分需要计算的任务卸载到边缘服务器，另一部
分在本地进行计算；
[0014]边缘服务器对边缘用户输送的数据进行计算，完成后反馈给边缘用户，二者之间通过无线信道进行交互。
[0015]所述根据边缘计算网络获取分析能量站、边缘用户和边缘服务器的能耗和计算比特数的变化情况，具体为：
[0016]根据边缘计算网络，分析能量收集阶段，每个边缘用户从能量站中收集到的总能量；任务卸载阶段边缘，用户卸载至边缘服务器的计算比特数；任务计算阶段，边缘服务器最大任务计算比特数；以及整个系统总的计算比特数和总能耗。
[0017]所述分析能量站、边缘用户和边缘服务器的能耗和计算比特数的变化情况包括：
[0018]边缘服务器最终的计算比特数为：
[0019][0020]边缘服务器最大任务比特数边缘服务器的工作频率为f
m
，工作时间为τ
c
，C
cpu
为计算一个比特需要的时钟周期；
[0021]第k个边缘用户卸载到边缘服务器的比特数为：
[0022][0023]所有边缘用户卸载到边缘服务器的总比特数为：
[0024][0025]其中，第k个边缘用户进行任务卸载的时间为τ
k
，W为系统带宽，h
k
为第k 个边缘用户与边缘服务器之间的信道增益，p
k
表示第k个边缘用户的发射功率，σ2为噪声功率；K表示边缘用户的数量；
[0026]ε
m
为边缘服务器上的有效电容，在任务计算阶段，边缘服务器的能量消耗为
[0027]第k个边缘用户做本地计算的计算比特数和能量消耗分别是：
[0028][0029][0030]其中，t
k
和f
k
分别表示第k个边缘用户做本地计算的时间和频率，ε
k
是第k 个边缘用户的有效电容系数；
[0031]能量站、边缘服务器、边缘用户的能耗分别为E1、E2和E3：
[0032][0033][0034][0035]边缘计算网络的总能耗为：
[0036]E
total
＝ξ1E1+ξ2E2+ξ3E3
[0037]其中，P0表示能量站向边缘用户的发射功率，τ0表示能量传输时间，E
k
表示每个边缘用户从能量站发出的能量中收集到的总能量，P
sc
为能量站的电路损耗，p
c,k
为第k个边缘用户的电路损耗；ξ1、ξ2、ξ3分别为能量站、边缘服务器、边缘用户能耗的加权因子；
[0038]边缘计算网络总计算比特数如下：
[0039][0040]所述建立最大化系统计算能效的联合优化数学模型，具体为：
[0041]根据变化情况构建一个以系统计算能效为目标函数的优化模型。
[0042]所述联合优化数学模型如下：
[0043][0044][0045]R
total
≥L
min
[0046][0047][0048][0049][0050][0051]其中，整个无线功能计算网络系统的计算能效f
x
为：
[0052][0053]所述利用差分进化算法，实现对系统计算能效的逐代优化，从而得到最佳的资源分配指标，具体为：
[0054]将联合优化数学模型中的τ
k
,t
k
,p
k
,f
k
,P0,τ0,τ
c
,f
m
作为求解的资源分配指标，将计算能效f
x
作为适应度函数，通过差分进化算法逐代优化获得最优的能效f
x
以及资源分配指标。
[0055]所述根据分配指标对能量站、边缘用户和边缘服务器进行资源分配，包括以下步骤：
[0056]将得到的资源分配指标：第k个边缘用户进行任务卸载的时间τ
k
、第k个边缘用户做本地计算的时间t
k
、第k个边缘用户的发射功率p
k
、第k个边缘用户做本地计算的频率f
k
、能量站向边缘用户的发射功率P0、能量传输时间τ0、边缘服务器工作时间τ
c
、边缘服务器工作频率为f
m
，分别发送至边缘用户和边缘服务器；
[0057]边缘用户和边缘服务器根据接收到资源分配指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于差分进化算法的系统计算能效最大化资源分配方法，其特征在于，包括以下步骤：能量站、边缘用户和边缘服务器构建边缘计算网络；根据边缘计算网络获取能量站、边缘用户和边缘服务器的能耗和计算比特数的变化情况；根据变化情况建立最大化系统计算能效的联合优化数学模型；利用差分进化算法，实现对系统计算能效的逐代优化，从而得到最佳的资源分配指标；根据资源分配指标对能量站、边缘用户和边缘服务器进行资源分配。2.根据权利要求1所述的基于差分进化算法的系统计算能效最大化资源分配方法，其特征在于，所述能量站、边缘用户和边缘服务器构建边缘计算网络，具体为：能量站为边缘用户提供能量；边缘用户利用接收到的能量把一部分需要计算的任务卸载到边缘服务器，另一部分在本地进行计算；边缘服务器对边缘用户输送的数据进行计算，完成后反馈给边缘用户，二者之间通过无线信道进行交互。3.根据权利要求1所述的基于差分进化算法的系统计算能效最大化资源分配方法，其特征在于，所述根据边缘计算网络获取分析能量站、边缘用户和边缘服务器的能耗和计算比特数的变化情况，具体为：根据边缘计算网络，分析能量收集阶段，每个边缘用户从能量站中收集到的总能量；任务卸载阶段边缘，用户卸载至边缘服务器的计算比特数；任务计算阶段，边缘服务器最大任务计算比特数；以及整个系统总的计算比特数和总能耗。4.根据权利要求1所述的基于差分进化算法的系统计算能效最大化资源分配方法，其特征在于，所述分析能量站、边缘用户和边缘服务器的能耗和计算比特数的变化情况包括：边缘服务器最终的计算比特数为：边缘服务器最大任务比特数边缘服务器的工作频率为f
m
，工作时间为τ
c
，C
cpu
为计算一个比特需要的时钟周期；第k个边缘用户卸载到边缘服务器的比特数为：所有边缘用户卸载到边缘服务器的总比特数为：其中，第k个边缘用户进行任务卸载的时间为τ
k
，W为系统带宽，h
k
为第k个边缘用户与边缘服务器之间的信道增益，p
k
表示第k个边缘用户的发射功率，σ2为噪声功率；K表示边缘用户的数量；ε
m
为边缘服务器上的有效电容，在任务计算阶段，边缘服务器的能量消耗为
第k个边缘用户做本地计算的计算比特数和能量消耗分别是：分别是：其中，t
k
和f
k
分别表示第k个边缘用户做本地计算的时间和频率，ε
k
是第k个边缘用户的有效电容系数；能量站、边缘服务器、边缘用户的能耗分别为F1、E2和E3：能量站、边缘服务器、边缘用户的能耗分别为F1、E2和E3：能量站、边缘服务器、边缘用户的能耗分别为...

【专利技术属性】
技术研发人员：宋纯贺，孙莹莹，于诗矛，夏长清，王忠锋，曾鹏，于海斌，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：